道路综合特征下高分辨率遥感影像的提取
本文选题:高分辨率遥感影像 + 纹理特征 ; 参考:《测绘通报》2017年08期
【摘要】:针对在高分辨率遥感影像中如何提高道路信息提取的准确度和信息量这一问题,通过对影像光谱和纹理特征的分析,将影像特征按照2种光谱特征和3种纹理特征进行分类,进而改善传统的图像分割方法,选择灰度级数和像素对的相对方向、距离和窗口大小作为参数,再通过灰度共生矩阵运算获取影像的纹理信息,通过对这些纹理特征的综合比较分析,最后确定角二阶矩、熵和对比度作为道路纹理特征统计量;再通过对图像像元分析比较,将图像像元标准差和灰度均值作为道路信息提取的光谱特征;在对道路综合特征分析基础上,再通过对遥感图像几何特征分析,最后利用数学形态学的开运算、闭运算、腐蚀、细化等模型算法对遥感图像进行精细化处理,得到道路提取较好的结果。该方法可用于复杂路况的道路信息提取。
[Abstract]:Aiming at the problem of how to improve the accuracy and amount of road information extraction in high-resolution remote sensing images, the image features are classified according to two spectral features and three texture features by analyzing the spectral and texture features of the images. Then the traditional image segmentation method is improved, the relative direction, distance and window size of gray series and pixel pair are selected as parameters, and then the texture information of image is obtained by gray level co-occurrence matrix operation. Through the comprehensive comparison and analysis of these texture features, the angular second-order moments, entropy and contrast are determined as statistics of road texture features. The image pixel standard deviation and gray mean are taken as the spectral features of road information extraction. Based on the analysis of road synthetic features, the geometric features of remote sensing images are analyzed, and finally, the mathematical morphology is used to open, close and corrode. The fine processing of remote sensing image by thinning and other model algorithms is carried out, and the better result of road extraction is obtained. This method can be used to extract road information from complex road conditions.
【作者单位】: 辽宁地质工程职业学院;东北大学资源与土木工程学院;
【基金】:国家自然科学基金青年项目(41104104)
【分类号】:P237
【相似文献】
相关期刊论文 前10条
1 王爱萍;王树根;吴会征;;利用分层聚合进行高分辨率遥感影像多尺度分割[J];武汉大学学报(信息科学版);2009年09期
2 王艳梅;王根杰;刘海娟;;高分辨率遥感影像提取道路方法研究进展[J];赤峰学院学报(自然科学版);2013年19期
3 顾钰培;肖兰玲;凌婷婷;达利春;;一种基于高分辨率遥感影像的建筑物提取方法[J];测绘与空间地理信息;2014年04期
4 李彩露;吴平;王宁;刘源璋;;高分辨率遥感影像道路提取方法综述[J];地理空间信息;2011年03期
5 吴小波;杨辽;沈金祥;王杰;;利用空间连续性进行高分辨率遥感影像道路提取[J];武汉大学学报(信息科学版);2011年11期
6 陈石留;;高分辨率遥感影像在测绘生产中的应用潜力研究[J];科技创新与应用;2012年21期
7 林祥国;;高分辨率遥感影像道路半自动追踪方法研究[J];测绘学报;2012年04期
8 付利钊;贾t明;魏竞;;高分辨率遥感影像在水系分类中的应用[J];南水北调与水利科技;2013年02期
9 袁秀华;罗卫;王聪颖;;赣州稀土矿山高分辨率遥感影像分割的最优尺度选取[J];测绘与空间地理信息;2013年09期
10 汪闽,骆剑承,明冬萍;高分辨率遥感影像上基于形状特征的船舶提取[J];武汉大学学报(信息科学版);2005年08期
相关会议论文 前10条
1 赵书河;王培法;肖鹏峰;冯学智;;高分辨率遥感应用研究[A];中国地理学会2006年学术年会论文摘要集[C];2006年
2 朱晓铃;邬群勇;;基于高分辨率遥感影像的城市道路提取方法研究[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年
3 燕琴;张继贤;刘玉红;钱广军;;以影像序列纠正高分辨率遥感影像的应用研究[A];全面建设小康社会:中国科技工作者的历史责任——中国科协2003年学术年会论文集(上)[C];2003年
4 罗震;杨存建;李小文;;基于高分辨率遥感影像的农村聚落信息的提取[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年
5 董明;;基于高分辨率遥感影像的道路半自动提取方法研究[A];数字测绘与GIS技术应用研讨交流会论文集[C];2008年
6 朱海燕;林爱文;;面向对象的高分辨率遥感影像分析方法研究——基于QuickBird数据[A];中国地理学会2007年学术年会论文摘要集[C];2007年
7 唐新明;谢俊峰;;高分辨率遥感卫星测绘关键技术研究综述[A];2011中国卫星应用大会会议文集[C];2011年
8 胡磊;;基于特征基元和LBP的全色高分辨率遥感影像的分类[A];第十三届华东六省一市测绘学会学术交流会论文集[C];2011年
9 朱海燕;林爱文;;面向对象的土地利用/覆被变化遥感分析方法研究——基于高分辨率遥感影像[A];节能环保 和谐发展——2007中国科协年会论文集(二)[C];2007年
10 赖震刚;宫雪峰;;高分辨率遥感影像阴影区域内绿地信息的提取技巧[A];第三届长三角科技论坛(测绘分论坛)暨'2006江苏省测绘学术年会论文集[C];2006年
相关博士学位论文 前6条
1 丛铭;基于视觉感知原理的高分辨率遥感影像分割与人工目标提取研究[D];武汉大学;2015年
2 李荣亚;双态云支持下高分辨率遥感存储与计算一体化研究[D];浙江大学;2014年
3 冯甜甜;基于高分辨率遥感数据的城市精细尺度人口估算研究[D];武汉大学;2010年
4 李海霞;高分辨率遥感影像对象分类方法研究及其城乡规划监测应用[D];中国农业大学;2014年
5 康俊锋;云计算环境下高分辨率遥感影像存储与高效管理技术研究[D];浙江大学;2011年
6 陈曦;特征选择准则间的关联及高分辨率遥感影像类别不平衡问题研究[D];上海交通大学;2011年
相关硕士学位论文 前10条
1 许潜金;基于高分辨率遥感影像与LiDAR点云的损毁建筑物提取方法研究[D];西南交通大学;2015年
2 白金婷;结合高分辨率遥感影像多维特征的森林分类[D];北京林业大学;2016年
3 刘一哲;多尺度分割技术在高分辨率遥感影像地物提取方法的研究[D];昆明理工大学;2016年
4 杨一帆;面向对象的高分辨率遥感影像信息提取研究[D];云南师范大学;2016年
5 王更;高分辨率遥感影像多尺度分割算法研究与应用[D];中国矿业大学;2016年
6 吕剑峰;高分辨率遥感影像多尺度分割方法研究[D];辽宁工程技术大学;2014年
7 杨月明;面向对象的高分辨率遥感影像土地覆盖分类研究[D];辽宁工程技术大学;2014年
8 何静然;高分辨率遥感影像建筑物轮廓提取方法研究[D];成都理工大学;2016年
9 郝建明;面向地理国情普查的高分辨率遥感影像半自动解译技术研究[D];重庆交通大学;2016年
10 吴林梅;主题模型建模框架下的高分辨率遥感影像尺度自适应分类[D];西南交通大学;2017年
,本文编号:1913902
本文链接:https://www.wllwen.com/kejilunwen/dizhicehuilunwen/1913902.html